网络资源是无限的

PyTorch中的学习率预热(warmup)

使用PyTorch AlexNet预训练模型对新数据集进行训练及预测

使用libtorch加载YOLOv8生成的torchscript文件进行实例分割

使用libtorch加载YOLOv8生成的torchscript文件进行目标检测

NeRF简介及nerf-pytorch的使用

开源深度学习模型部署工具箱MMDeploy简介及安装

生成GAN模型工具箱MMGeneration安装及使用示例

OCR开源工具箱MMOCR安装及使用示例(英文识别)

姿态分析开源工具箱MMPose使用示例:人体姿势估计

姿态分析开源工具箱MMPose使用示例：2d手势估计

姿态分析开源工具箱MMPose安装及使用示例(2d face landmark detection)

开源图像分类工具箱MMClassification安装及使用示例

语义分割开源工具箱MMSegmentation安装及使用示例

图像&视频编辑工具箱MMEditing使用示例：图像生成(generation)

图像&视频编辑工具箱MMEditing使用示例：图像超分辨率(super-resolution)

图像&视频编辑工具箱MMEditing使用示例：图像抠图(matting)

图像&视频编辑工具箱MMEditing安装及使用示例(Inpainting)

目标检测工具箱MMDetection安装及使用示例

OpenMMLab简介

PyTorch模型导出到ONNX文件示例(LeNet-5)

ONNX Runtime介绍

ONNX(Open Neural Network Exchange)介绍

PyTorch中通过torch.save保存模型和torch.load加载模型介绍

通过PyTorch构建的LeNet-5网络对手写数字进行训练和识别

Windows7上安装pytorch1.11后报api-ms-win-core-path-l1-1-0.dll错误的解决方法

在深度学习中，损失函数用来评估模型的预测值与真实值之间的差异程度，是模型对数据拟合程度的反映，拟合的越差，损失函数的值越大；反之，损失函数越小，说明模型的预测值就越接近真实值，模型的准确性也就越好。深度学习的模型训练的目标就是使损失函数的值尽可能小。因此损失函数又被称为目标函数。深度学习的模型训练的过程就是不断地最小化损失函数。选择适合的损失函数不仅影响最终预测的准确性，而且影响训练的效率。 常用的损失函数包括：最小均方差损失函数、L1范数损失函数、L2范数损失函数、交叉熵损失函数...

在Windows下通过cmake-gui.exe生成不带cuda的Torch.sln工程操作步骤：PyTorch版本使用1.8.1。首先可以先通过打开cmake-gui.exe，指定pytorch源代码目录和生成vs2017工程的位置；然后点击Configure，选中”Visual Studio 15 2017 Win64”，点击Finish，会报一堆CMake Error，然后逐个解决处理，如下图所示：然后反复的点击Configure，直到Configuing done；反复的点击Genera...

在PyTorch源码的torch/nn/modules/module.py文件中，有一条__call__语句和一条forward语句，如下：__call__ : Callable[…, Any] = _call_implforward: Callable[…, Any] = _forward_unimplemented 在PyTorch中nn.Module类是所有神经网络模块的基类，你的网络也应该继承这个类，需要重载__init__和forward函数。以下是仿照PyTor...

torch.nn.Module类是所有神经网络模块(modules)的基类，它的实现在torch/nn/modules/module.py中。你的模型也应该继承这个类，主要重载__init__、forward和extra_repr函数。Modules还可以包含其它Modules，从而可以将它们嵌套在树结构中。 只要在自己的类中定义了forward函数，backward函数就会利用Autograd被自动实现。只要实例化一个对象并传入对应的参数就可以自动调用forward函数。因为此时...

TorchVision中给出了AlexNet的pretrained模型，模型存放位置为https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth ，可通过models.alexnet函数下载，此函数实现在torchvision/models/alexnet.py中，下载后在Ubuntu上存放在~/.cache/torch/hub/checkpoints目录下，在Windows上存放在C:\Users\spring\.cache\tor...

TorchVision中给出了使用ResNet-50-FPN主干(backbone)构建Faster R-CNN的pretrained模型，模型存放位置为https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth，可通过fasterrcnn_resnet50_fpn函数下载，此函数实现在torchvison/models/detection/faster_rcnn.py中，下载后在Ubuntu上存放在...

TorchVision包包含流行的数据集、模型架构和用于计算机视觉的图像转换，它是PyTorch项目的一部分。TorchVison最新发布版本为v0.11.1，发布较频繁，它的license为BSD-3-Clause。它的源码位于：https://github.com/pytorch/vision TorchVision由C++(CUDA)和Python3实现，依赖Torch、PNG、JPEG，还依赖PIL(Pillow, Python Imaging Library)。推荐...

PIL全称为Python Imaging Library，是Python中的免费开源图像处理库。PIL的最新版本为1.1.7，于2009年9月发布，支持Python的最高版本到2.7。原始的PIL开发于2011年停止。随后，一个名为Pillow的后续项目fork了PIL的repository并增加了对Python 3.x的支持。它已被采用作为Linux发行版中原始PIL的替代品。 Pillow代码在https://github.com/python-pillow/Pillow，...

PyTorch中的张量(Tensor)如同数组和矩阵一样，是一种特殊的数据结构。在PyTorch中，神经网络的输入、输出以及网络的参数等数据，都是使用张量来进行描述。 torch包中定义了10种具有CPU和GPU变体的tensor类型。 torch.Tensor或torch.tensor是一种包含单一数据类型元素的多维矩阵。torch.Tensor或torch.tensor注意事项： (1). torch.Tensor是默认tensor类型torch.Flo...

深度神经网络中使用的激活函数有很多种，这里介绍下tanh。它的公式如下，截图来自于维基百科(https://en.wikipedia.org/wiki/Activation_function)： tanh又称双曲正切，它解决了sigmoid非零中心问题。tanh取值范围在(-1, 1)内，它也是非线性的。它也不能完全解决梯度消失问题。 C++实现如下：template<typename _Tp>int activation_function_t...

之前在https://blog.csdn.net/fengbingchun/article/details/114493591中介绍DenseNet时，网络中会有BN层，即Batch Normalization，在每个Dense Block中都会有BN参与运算，下面对BN进行介绍并给出C++和PyTorch实现。 Batch Normalization即批量归一化由Sergey loffe等人于2015年提出，论文名为：《Batch Normalization: Accelerat...

PyTorch是一个针对深度学习，并且使用GPU和CPU来优化的tensor library(张量库)。最新发布的稳定版本为1.9，源码在https://github.com/pytorch/pytorch 。它支持在Linux、Mac和Windows上编译和运行。调用Python接口可以通过Anaconda或Pip的方式安装，调用C++接口可直接下载对应的二进制库。对PyTorch比较熟悉了，也可以通过源码直接编译。PyTorch是基于以下两个目的而打造的python科学计算框架：(1). 无缝替

mmdetection是商汤和港中文大学联合开源的基于PyTorch的对象检测工具包，属于香港中文大学多媒体实验室open-mmlab项目的一部分。该工具包提供了已公开发表的多种流行的检测组件，通过这些组件的组合可以迅速搭建出各种检测框架。mmdetection主要特性：(1). 模块化设计：可以通过连接不同组件容易地构建自定义的目标检测框架；(2). 支持多个流程检测框架：如RPN，...

在Windows10上配置完MXNet 1.3.0后，再配置PyTorch 1.0时，发现两者需要依赖的NumPy版本不一致，之前是通过pip安装NumPy，根据pip的版本不同，会安装不同版本的NumPy，使用起来很不方便，而且MXNet和PyTorch依赖的Python版本也可能不同，这里使用Anaconda来轻松解决以上问题。简单来说，Anaconda是包管理器和环境管理器，它可以便捷获...